基于极大联合熵相空间重构和RQA的轴承故障诊断

发布时间：2017-10-06 21:33

  本文关键词：基于极大联合熵相空间重构和RQA的轴承故障诊断

  更多相关文章： 故障诊断 相空间重构 联合熵 符号分析 递归图 递归定量分析 GG模糊聚类

【摘要】：轴承作为旋转机械中的广泛通用部件，其缺陷和损伤将直接影响设备的稳定运行甚至造成整个设备的损坏，因此轴承的故障诊断与识别极为重要。但其故障信号所呈现出的非线性和非平稳特性，使得传统的建立在信号平稳性基础上的故障特征提取方法受到限制。针对机械故障振动信号所具有的复杂特性，本文提出了一种基于极大联合熵相空间重构和递归图定量分析技术的轴承故障诊断方法，同时采用GG(Gath-Geva)聚类算法对故障信号进行状态识别，并将上述理论研究应用在滚动轴承和转轴故障检测中。 首先，介绍了常见振动故障形式和故障频率的计算方法，阐述了传统的故障诊断方法：时域分析法和频域分析法。 其次，分析了最佳延迟时间的极大联合熵准则和符号分析法求取极大联合熵所具有的明显优势，提出了基于符号分析的极大联合熵延迟时间求取新方法，结合CAO方法求取最佳嵌入维数，，并通过一系列的数值仿真试验证明了该方法重构原系统相空间的准确、快速以及高效性。 然后，在相空间重构参数能够准确求取的基础上，引入了以图形的方式定性的表征系统动力学特性的递归图方法。然后将能够对递归图中表现出来的递归现象进行量化的递归定量分析方法应用到机械故障诊断中，研究了RQA(RecurrenceQuantification Analysis)的主要非线性特征量的提取，组成轴承故障识别的特征向量，结合GG模糊聚类实现轴承故障模式识别。 最后，以美国凯斯西储大学的滚动轴承故障数据以及宝钢1580SP轧机实测数据为研究对象，用本文所研究方法求取相空间重构参数，采用递归定量分析和GG模糊聚类结合的方法进行故障诊断与识别。结果表明，该方法可以完成对滚动轴承和传动系统轴承信号的诊断与识别。
【关键词】：故障诊断 相空间重构 联合熵 符号分析 递归图 递归定量分析 GG模糊聚类
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.3;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 机械故障诊断的意义10-11
• 1.2 机械故障诊断的研究现状和发展趋势11-12
• 1.2.1 机械故障诊断的研究现状11
• 1.2.2 机械故障诊断的发展趋势11-12
• 1.3 故障诊断的基本过程12-13
• 1.4 论文的主要研究内容13-15
• 第2章 机械设备故障形式及诊断方法15-21
• 2.1 常见振动故障15-17
• 2.1.1 齿轮的主要故障15
• 2.1.2 滚动轴承的主要故障15-16
• 2.1.3 齿轮箱轴主要故障16-17
• 2.2 故障频率计算17-18
• 2.2.1 齿轮故障振动频率17
• 2.2.2 滚动轴承振动频率17-18
• 2.2.3 转轴故障振动频率18
• 2.3 传统故障诊断方法18-20
• 2.3.1 时域分析法18-19
• 2.3.2 频域分析法19-20
• 2.4 本章小结20-21
• 第3章 混沌时间序列的相空间重构21-35
• 3.1 Takens 定理21-22
• 3.2 基于符号分析的极大联合熵延迟时间求取方法22-25
• 3.2.1 最佳延迟时间的极大联合熵准则22-23
• 3.2.2 符号分析法求取极大联合熵23-25
• 3.3 CAO 方法求取最佳嵌入维数25-26
• 3.4 数值验证26-33
• 3.5 本章小结33-35
• 第4章 递归图定量分析技术和模糊聚类方法研究35-44
• 4.1 递归图35-37
• 4.2 递归图参数的选取37-38
• 4.3 递归定量分析38-39
• 4.4 模糊聚类理论39-43
• 4.4.1 模糊聚类算法39-40
• 4.4.2 聚类效果检验40-43
• 4.5 本章小结43-44
• 第5章 轴承故障诊断实验分析及应用44-67
• 5.1 滚动轴承故障诊断实验数据44
• 5.2 不同程度损伤轴承故障诊断44-54
• 5.2.1 轴承振动信号的相空间重构46-49
• 5.2.2 递归图定性分析故障类型49-50
• 5.2.3 递归图定量分析提取故障特征信号50-51
• 5.2.4 GG 聚类故障识别51-54
• 5.3 不同部位的轴承故障诊断54-61
• 5.4 故障诊断方法在 1580SP 轧机上的应用61-66
• 5.4.1 1580SP 轧机的结构61-62
• 5.4.2 传动系统主要部件参数62-63
• 5.4.3 传统方法分析63-64
• 5.4.4 递归图定性分析64-65
• 5.4.5 RQA 定量分析和 GG 模糊聚类65-66
• 5.5 本章小结66-67
• 结论67-68
• 参考文献68-72
• 攻读硕士学位期间承担的科研任务与主要成果72-73
• 致谢73-74
• 作者简介74

【参考文献】

中国期刊全文数据库 前10条

1 钟秉林;颜廷虎;;智能化故障诊断理论与方法的研究现状和展望[J];东南大学学报;1993年S1期

2 程道来,吴茜,吕庭彦,陈栋;国内电站故障诊断系统的现状及发展方向[J];动力工程;1999年01期

3 林亚平,刘云中,周顺先,陈治平,蔡立军;基于最大熵的隐马尔可夫模型文本信息抽取[J];电子学报;2005年02期

4 武小红;周建江;;可能性模糊C-均值聚类新算法[J];电子学报;2008年10期

5 唐振华;喻祖国;;分数布朗运动时间序列的基于递归图的网络分析[J];工程数学学报;2012年04期

6 史永胜;姜颖;宋云雪;;基于符号序列联合熵的航空发动机健康监控方法[J];航空动力学报;2011年03期

7 王宇杰;庞兵;;机械故障智能诊断方法研究[J];黑龙江科技信息;2011年06期

8 罗一新;机械故障诊断技术趋向分析[J];机床与液压;2002年02期

9 龚雪;;工程机械智能故障诊断技术的研究现状及发展趋势[J];机床与液压;2011年14期

10 余建青;臧观建;谢世坤;李强征;;旋转机械故障诊断中的信号处理技术综述[J];机床与液压;2011年24期

中国博士学位论文全文数据库 前5条

1 杨涛;基于小波分时尺度矩特征的多状态信息融合振动故障诊断和预测方法研究[D];华中科技大学;2009年

2 吕蓬;旋转机械故障模式识别方法研究[D];华北电力大学（北京）;2010年

3 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

4 谢国民;基于时频联合小波法的采煤机关键部件故障诊断研究[D];辽宁工程技术大学;2012年

5 郝研;分形维数特性分析及故障诊断分形方法研究[D];天津大学;2012年

本文编号：985159